MétaCan
Menu
Retour à la cohorte
Enregistrement W4386590664 · doi:10.1109/tpwrs.2023.3314372

Incorporating System Frequency Dynamics Into Real-Time Locational Marginal Pricing of Electricity

2023· article· en· W4386590664 sur OpenAlexafffund
Bo Chen, Roohallah Khatami, Abdullah Al-Digs, Yu Christine Chen

Notice bibliographique

RevueIEEE Transactions on Power Systems · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceElectric power systemElectricity marketAutomatic frequency controlElectricitySystem dynamicsEconomic dispatchOffset (computer science)Marginal costLagrange multiplierElectric power transmissionElectricity pricingUpgradeWind powerMathematical optimizationControl theory (sociology)Power (physics)Control (management)EconomicsEngineeringTelecommunicationsMicroeconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

This paper presents a method to generalize locational marginal prices (LMPs) to embed the impact of system frequency dynamics into real-time electricity markets. The proposed frequency dynamics-aware LMPs can help to mitigate costs associated with setting aside ever more reserve capacity to offset larger, faster, and more frequent transient excursions arising from greater renewable integration. We formulate a dynamics-aware economic dispatch (ED) by augmenting a traditional static ED with constraints pertinent to system frequency dynamics, including those from inertial response, primary frequency control, and the automatic generation control. We show that, similar to their traditional static counterparts, dynamics-aware LMPs are composed of Lagrange multipliers associated with the power balance and transmission line power flow constraints. Furthermore, through analysis, we detail dynamic and steady-state behaviours of dynamics-aware LMPs. Finally, numerical simulations involving standard test systems validate our findings, confirm added revenue opportunities for generators contributing to frequency support, and demonstrate computational scalability.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,005
Tête enseignante GPT0,198
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power SystemsMême sujetElectric Power System OptimizationTravaux en français237 207